[发明专利]基于线激光光条的动态搜索感兴趣区域的方法

说明书

本发明基于线激光光条的动态搜索感兴趣区域的方法属于计算机视觉测量技术领域，涉及一种基于线激光光条的动态搜索感兴趣区域的方法。该方法采用分组快速计算光条运动参数的方法预测光条的感兴趣区域，首先拍摄一组时间序列激光光条扫描图像，使用多边形提取被测物体的感兴趣区域，使用矩形提取首个光条的感兴趣区域。然后基于激光器转角对所有图像分组，对混合差分图像采用横向边缘检测，快速计算每组图像中光条的帧间像素速度，根据帧间像素速度动态提取图像中光条感兴趣区域。该方法通过对序列图像分组，可以准确界定线激光光条的匀速运动范围，适应光条变速运动的情况，提高了光条运动参数的计算效率。方法具有高效率，高可靠性。

技术领域

本发明属于计算机视觉测量技术领域，涉及一种基于线激光光条的动态搜索感兴趣区域的方法。

背景技术

通常一个计算机视觉测量系统中图像特征提取可分解为三个部分：目标检测，搜索系统感兴趣区域(ROI)；图像分割，从背景中分离目标；目标特征提取。目标检测作为图像特征提取的前提，其搜索质量直接影响后续图像处理。针对大量时间次序图像中的连续运动目标，快速准确ROI是提高图像特征提取质量和效率的关键。

现有的目标检测方法主要有背景分割法、相邻帧间差分法、光流法和小波法等。背景分割法通过建立背景模型，用图像序列的特征参数与背景模型比较，分割出背景和目标，从而得到运动目标，但由于没有高性能的规则定义目标，此方法仅适用于运动场景固定且比较简单的场合。相邻帧间差分法是将相邻的两帧图像进行求差运算，通过差的绝对值来判断是否有运动，此方法适用于存在多个运动目标的图像，但是易受噪声干扰，鲁棒性较差。光流法通过检测图像像素点的灰度值随时间变化情况来推断物体的移动速度及方向，不适用于低帧率摄像机或高速运动物体。小波法是对图像进行小波变换，然后采用带通滤波等方法处理小波图像，得到目标区域，其优势是可以检测复杂场景下的微弱目标，但是效率和可靠性较差。Feng L,Po L M,X u X,et al.Dynamic ROI based on K-means forremote photoplethy smography[C].ICASSP,2015:1310-1314中提出一种基于K-means聚类算法的动态ROI方法，首先对图像特征区域进行固定ROI并分块，计算分块图像的互相关系数和信噪比等两个特征参数，然后基于这两个特征参数采用K-means算法聚类，最后根据聚类结果每两秒一次动态ROI，测量实验结果表明，该动态ROI方法可以有效提取目标，改善目标信号质量。赵志远等人发明专利号为CN201710156308.9的“一种车流信息监测设备的设置方法及系统”基于各个初始感兴趣区域之间的邻近关系进行逐次合并，得到新的感兴趣单元，计算车辆信息监测所需监测设备的数量，该方法通过降低感兴趣区域的精细程度，以减少监测设备的需求量，使得对感兴趣区域之间的车辆信息覆盖的能力最大。

发明内容

本发明要解决的技术难题是针对噪声多且复杂、目标区域小的大量线激光光条图像，传统感兴趣区域提取方法存在提取效率低、容错率低、鲁棒性差等问题，发明了一种基于线激光光条的动态搜索感兴趣区域的方法。该方法针对拍摄的一组竖向线激光光条进行横向运动的时间序列图像，首先基于多边形ROI方法提取被测物体区域，基于矩形ROI方法提取初始图像的光条，然后对图像均匀分组确保同组图像光条帧间速度恒定，对混合差分图像横向边缘卷积，快速计算各组光条运动速度，最后在被测物体区域内基于光条运动参数预测光条位置，进行动态感兴趣区域提取。该方法通过对序列图像分组，可以适应线激光变速扫描的情况，提高了光条区域提取的正确性和鲁棒性；采用快速分析横向边缘卷积后的差分图像，极大地提高了光条运动参数的计算效率和可靠性，从而确保了方法的效率。